基于机器学习的电机监测系统技术方案

一种基于机器学习的电机监测系统，包括数据获取层、数据传输层、工业云平台和应用层四个层次，该数据获取层主要为进行数据采集的物理设备；该数据传输层采用以太网或Wi‑Fi进行数据传输，并通过网关将数据上传到工业云平台；工业云平台由物理资源层、资源管理层、服务层和数据处理层四个部分组成；该应用层包括设备监测、故障诊断、故障预测、生命周期预测。本发明专利技术的优点是：实时获取电机的数据并处理；生成电机运行模式自学习动态模型，为完善电机的故障诊断和预测等技术提供支撑；系统结构可扩展，实现多设备监控和设备精准监测。

【技术实现步骤摘要】
基于机器学习的电机监测系统
本专利技术涉及一种基于机器学习的电机监测系统，主要应用于工业上设备的故障检测、精确诊断及预测性维护。
技术介绍
随着现代化工业的发展以及“信息化”和“工业化”的不断融合，工业设备能否安全可靠的以最佳的状态运行，对于确保产品质量、提高生产能力、保障生产安全方面都有十分重要的意义[1][2]。制造业设备的故障是指设备在规定时间内、规定条件下丧失规定功能的状况，通常这种故障是从某一零部件的失效引起的[3]。而随着现代设备结构复杂化，其在工业生产中产生的影响和作用也越来越大，设备的损坏需要花费大量的人力排查，设备的停机或失效都会带来严重的损失[4]。上世纪九十年代有研究表明，电动机占用了全世界发电量的60％～70％。而在工业制造和生产中，电机的使用同样占有如此大的比重，各种机械设备的运行都离不开电机，电机故障则会直接影响到设备的运行和生产。三相异步电机的数学动态模型是一个多变量、非线性、强耦合和高阶的系统，涉及的专业领域问题困难且难于理解。根据相关文献阐述，根据电机的数学模型，可以对将要进行检测的电机进行模拟，同时使相同的电压通过电机和电机模型，通过比较二者之间的本文档来自技高网...

【技术保护点】
1.一种基于机器学习的电机监测系统，其特征在于，包括数据获取层、数据传输层、工业云平台和应用层四个层次，其中：所述的数据获取层主要为进行数据采集的物理设备，包括电压传感器、电流传感器、震动传感器和温度传感器；所述的数据传输层采用以太网或Wi‑Fi进行数据传输，并通过网关将数据上传到工业云平台；所述的工业云平台由物理资源层、资源管理层、服务层和数据处理层四个部分组成，其中物理资源层包括计算单元、网络设备和储存设备；资源管理层包括接入控制、数据安全和网络安全；服务层包括基础设施服务模块以及检测、诊断、预测等软件服务模块，及用户接口；数据处理层包括机器学习引擎和预测分析工具，其中机器学习引擎包括构建...

【技术特征摘要】
1.一种基于机器学习的电机监测系统，其特征在于，包括数据获取层、数据传输层、工业云平台和应用层四个层次，其中：所述的数据获取层主要为进行数据采集的物理设备，包括电压传感器、电流传感器、震动传感器和温度传感器；所述的数据传输层采用以太网或Wi-Fi进行数据传输，并通过网关将数据上传到工业云平台；所述的工业云平台由物理资源层、资源管理层、服务层和数据处理层四个部分组成，其中物理资源层包括计算单元、网络设备和储存设备；资源管理层包括接入控制、数据安全和网络安全；服务层包括基础设施服务模块以及检测、诊断、预测等软件服务模块，及用户接口；数据处理层包括机器学习引擎和预测分析工具，其中机器学习引擎包括构建自学习动态模型和储存、模型库、机器学习算法；所述的应用层包括设备监测、故障诊断、故障预测、生命周期预测。2.根据权...

【专利技术属性】
技术研发人员：于忠清，郭璐，董松，
申请(专利权)人：青岛鹏海软件有限公司，
类型：发明
国别省市：山东,37